|
|
 |
|
|
 |
Verme разработала алгоритм прогнозирования трафика на основе нейросетевой модели
Компания Verme, разработчик решений для повышения производительности линейного персонала, обновила алгоритм прогнозирования трафика в своей WFM-системе. В его основу легла нейросетевая модель трансформерной архитектуры. Благодаря новому алгоритму точность прогноза достигает 90%, что помогает компаниям эффективнее планировать смены и сокращать расходы на фонд оплаты труда.
Прогнозирование является одним из ключевых этапов автоматического составления графиков. Система анализирует исторические данные о посещаемости и нагрузке на торговую точку, строит прогноз и на его основе рассчитывает необходимое число сотрудников в каждую смену. Точность критична, поскольку занижение прогноза ведет к падению уровня сервиса, а завышение – к избыточным затратам на персонал.
До обновления Verme использовала регрессионные модели, работа которых строилась на наборе аналитических правил. Например, система учитывала, что субботний трафик похож на субботний трафик прошлого года, а поведение покупателей в праздник зависит от его положения в рабочей неделе. Такой подход хорошо справлялся с типовыми данными, но давал сбои в нестандартных ситуациях: при смещении праздников внутри недели, региональных различиях в производственных календарях, пропусках в исторических данных, короткой истории наблюдений у новых точек и аномальных изменениях трафика. Чем больше таких факторов накладывалось друг на друга, тем сложнее становилось описать их правилами вручную.
Новая модель построена на трансформерной архитектуре, похожей на ту, что лежит в основе больших языковых моделей. Если языковая модель предсказывает следующее слово в тексте на основе всего предшествующего контекста, то модель Verme предсказывает следующее значение во временном ряду. При этом она не опирается на заранее заданные правила, а учится распознавать закономерности в данных.
Обучение проходило более чем на 46 тысячах временных рядов клиентов из разных отраслей. Модель содержит 49,7 млн параметров против десятков в прежних регрессионных моделях. Благодаря этому новый алгоритм показал прирост точности на 1,6%, а время формирования прогноза сократилось в тысячи раз. Это дает аналитикам больше времени на ручную проверку и корректировку результатов при необходимости. Кроме того, модель стала менее требовательной к качеству и полноте входных данных.
«Раньше точность прогноза зависела от того, насколько подробно мы описывали в правилах различные отклонения. Но описать все возможные комбинации практически невозможно, а цена ошибки в планировании измеряется десятками тысяч рублей только за один рабочий день. Трансформерная модель учится самостоятельно и применяет накопленный опыт к нестандартным ситуациям. Построить такой алгоритм нам помогла накопленная клиентская база, ее разнообразие обеспечило нужный объем и широту данных для обучения», – отметил руководитель проектов прогнозирования Verme Никита Борисов.
Справка о компании:
ГК Verme — российская ИТ-компания, специализирующаяся на ИТ-продуктах для повышения производительности персонала. В ГК входят компании Verme и «Моя смена».
Verme — решения для повышения эффективности линейного персонала: планирование графиков под потребность с помощью WFM-системы, учет рабочего времени по технологии FaceID/QR.
«Моя смена» — один из первых и крупнейших на российском рынке сервисов подработок рядом с домом с аудиторией более 600 000 человек. Сервис позволяет быстро находить и выводить на работу массовый персонал, имеет пул крупных заказчиков. В октябре 2025 года компания HeadHunter приобрела 26% сервиса «Моя смена» и стала стратегическим партнером.
Контактное лицо: Татьяна Алексеева (написать письмо автору)
Компания: Verme (все новости этой организации)
Добавлен: 20:52, 30.05.2026
Количество просмотров: 62
Страна: Россия
| На электросудах расскажут об искусственном интеллекте, MWS AI, 22:42, 15.06.2026, Россия |
348 |
| ГКУ «Организатор перевозок» (Департамент транспорта Москвы) и MWS AI (входит в МТС Web Services) вместе с Центром непрерывного образования факультета компьютерных наук НИУ ВШЭ запускают лектории и интенсивы по генеративному ИИ на речных электросудах. |
 |
| Web3 Tech: России нужна собственная институциональная Web3-инфраструктура, Web3 Tech, 22:41, 15.06.2026, Россия |
351 |
| В Web3 Tech назвали тренды институционального рынка web3. По мнению экспертов компании, глобальный финтех переходит в новую фазу, при которой стейблкоины, системное регулирование и ИИ-агенты сливаются в единый контур агентной экономики на цифровых активах с потенциалом $30 трлн к 2030 году. |
 |
| Dialog Composer 3.0 от BSS: переход от скриптовых ботов к самостоятельным ИИ-агентам, BSS, 22:39, 15.06.2026, Россия |
346 |
| Компания BSS дает мощный толчок развитию диалоговых интерфейсов с новой версией Dialog Composer 3.0. Ключевой особенностью релиза стала нативная поддержка архитектуры ИИ-агентов на базе больших языковых моделей (LLM). Обновленный no-code инструмент позволяет компаниям быстро внедрять автономных ИИ-ассистентов, существенно снижая нагрузку на контактные центры и операционные службы. |
|
| Modus BI и Modus ETL получили номинации за максимальный self-service в исследовании «Круг Громова 2026», Modus, 22:34, 15.06.2026, |
350 |
| Компания Modus объявляет о признании своих продуктов лидерами в номинациях независимого исследования российского рынка аналитических решений «Self-service круг Громова 2026». Modus BI получил номинацию «Максимальные возможности в self-service», а Modus ETL — «Self-service для enterprise». Оба решения показали наибольшее количество поддерживаемых self-service критериев среди всех участников исследования. |
|
|
|
|
|
|
|
Разделы //
Новости по странам //
Сегодня у нас публикуются //
|
|
